CN112632374A - 一种考虑定制公交的居民出行方式选择分析方法 - Google Patents
一种考虑定制公交的居民出行方式选择分析方法 Download PDFInfo
- Publication number
- CN112632374A CN112632374A CN202011502864.5A CN202011502864A CN112632374A CN 112632374 A CN112632374 A CN 112632374A CN 202011502864 A CN202011502864 A CN 202011502864A CN 112632374 A CN112632374 A CN 112632374A
- Authority
- CN
- China
- Prior art keywords
- travel
- resident
- trip
- travel mode
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012546 transfer Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000013486 operation strategy Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000007476 Maximum Likelihood Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- IJJWOSAXNHWBPR-HUBLWGQQSA-N 5-[(3as,4s,6ar)-2-oxo-1,3,3a,4,6,6a-hexahydrothieno[3,4-d]imidazol-4-yl]-n-(6-hydrazinyl-6-oxohexyl)pentanamide Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)NCCCCCC(=O)NN)SC[C@@H]21 IJJWOSAXNHWBPR-HUBLWGQQSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑定制公交的居民出行方式选择分析方法，属于交通经济学，交通管理与控制领域，包括：(1)出行方式选择集确定；(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；(4)建立考虑定制公交的出行方式选择模型，使用极大似然估计法对数据进行拟合，得到不同出行方式的效用模型。本发明可以有效模拟交通方式划分过程，得到不同出行方式分担率，并为定制公交的投入使用及后续发展提供重要的基础。
Description
技术领域
本发明属于交通经济学，交通管理与控制领域，尤其涉及一种考虑定制公交的居民出行方式选择分析方法。
背景技术
不断增加的出行需求与有限的道路资源之间的矛盾，环境保护与大量出行造成环境污染之间的矛盾是当前交通规划与管理的发展中急需解决的两方面问题。公共交通载客量大，占用道路资源少，完成同量级的运输任务能耗低，在均衡道路资源和道路能力，提高资源利用率，降低温室气体排放等方面具有重要地位。提高公共出行比例是当前交通行业发展的重大目标。
交通方式的服务水平是影响城市出行交通方式划分比例的重要原因，掌握不同影响因素对出行方式效用的定量影响，对调整交通管理方案以改变出行方式分担率具有重要的指导作用。关于居民的出行方式选择分析的研究常用方法为通过建立离散选择模型，代入调查数据进行拟合，得到各交通出行方式的出行效用函数，从而得到出行方式分担率。但传统的调查是将已有的交通方式组成选择集，调查结果往往仅反映居民对于现有交通方式的选择行为。考虑新型交通方式的居民出行方式选择分析将定制公交的概念在问卷中进行解释，并在SP(Stated Preference)调查中场景设置中对不同出行情景下，不同出行方案所对应的特性进行估计，得到居民在面对定制公交这种新型交通方式和已有交通方式时，所做出的选择行为。考虑新型交通方式的居民出行方式选择模型的分析结果对于投入定制公交的规模，及运行策略中的方案调整具有重要的参考意义。
发明内容
发明目的：针对以上问题，本发明提出一种考虑定制公交的居民出行方式选择分析方法，对新旧出行方式同时存在的交通环境下，影响居民出行方式选择的因素进行定量分析。该方法对个人属性，出行方案属性进行综合提取，利用General Logit Model和Conditional Logit Model结合的方法(也称混合模型，Mix Model)，进行极大似然估计，得到影响因素对于交通方式划分的定量影响程度。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种考虑定制公交的居民出行方式选择分析方法，包括以下步骤：
(1)出行方式选择集确定：根据定制公交的运营策略及其定价模式和服务乘客类型，选定出租车，常规公交和定制公交作为出行方案选择集中的出行方式选项；
(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；
(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；
(4)考虑定制公交的出行方式选择建模：自变量表示为式(1)，系数向量定义为式(2)，包含居民个人属性和出行方案属性的出行方式效用函数表示为式(3)，居民对于出行方式的选择概率由式(4)计算；
式(1)中Xij指影响居民i选择出行方式j的影响因素，
指居民i的第k个个人属性变量，
指的是出行方案j的第h个属性变量；式(2)中Bij指在出行方式j所对应的效用函数中，影响居民i选择出行方式j的影响因素的系数，其中
指的是居民i的第k个个人属性变量的变量系数，
指的是出行方案j的第h个属性变量的变量系数，ASCij指影响居民i选择出行方式j的常数项，与Xij中的1相对应；式(3)中Uij指的是居民i选择出行方式j所获得的效用；式(4)中Pij指居民i选择出行方式j的概率。
进一步地，所述步骤(3)收集居民个人属性数据：包括性别、年龄、是否拥有驾照、是否拥有公交/地铁IC卡、实际驾驶经验、职业、学历、个人月收入、家庭类型、家庭私家车拥有量、家庭平均月收入；收集出行行为属性数据：包括出行目的和出行距离两类属性；收集出行方案属性数据：包括是否有座位、是否需要换乘、上车前的等待时间、至乘车点的步行距离、到达时间偏差、出行花费、行程时间。
进一步地，所述步骤(3)对居民进行SP调查，采取正交设计的方法进行情境配置，对收集得到的数据进行筛选处理，方法如下：
1)剔除调查问卷填写的时间少于一定值的数据；
2)剔除情景选择即意向出行方式始终相同的数据；
3)剔除个人收入、家庭收入和车辆拥有量不相符合的数据；
4)剔除常用交通方式、驾驶经验、车辆拥有量不相符合的数据。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
本发明的一种考虑定制公交的居民出行方式选择分析方法，以新旧出行方式作为出行选择集，探究新型交通方式定制公交在投入使用的过程中需考虑的控制因素，研究影响居民出行方式的居民个人属性及出行方式属性。相对于传统的出行方式选择建模，本发明所设定的出行方式选择集不仅包括现有出行方式出租车和网约车，还包括不同服务等级的定制公交，并且通过情景问题设计，探究在服务水平相近的三种出行方式下，影响出行方式效用的影响因素的定量影响效果。研究结果对于建设定制公交出行体系具有重要意义。本发明采用了General Logit Model和Conditional Logit Model结合的混合模型(MixModel)，能够充分反映出居民个人属性和出行方式属性对于交通方式划分的共同影响结果，描述出行者在做通勤、娱乐、短途、长途旅行等决策时所考虑的因素及因素的影响效果。
附图说明
图1是本发明的方法流程示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的考虑定制公交的居民出行方式选择分析方法，包括以下步骤：
(1)出行方式选择集确定：根据定制公交的运营策略及其定价模式和服务乘客类型，选定出租车，常规公交和定制公交作为出行方案选择集中的出行方式选项。定制公交根据属性设置了不同服务水平和价格的两种定制公交：定制公交-1和定制公交-2。
(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性。
(3)数据收集及预处理：本实施例中，通过相关文献资料调研，对影响居民出行方式选择的因素进行归纳总结，并根据影响因素的类型进行问卷中问题的设计。对居民进行SP调查，采取正交设计的方法进行情境配置，在缩减多因素多水平下的情境数量，选择最合适的情景组合进行问卷调查。
收集居民个人属性数据：包括性别、年龄、是否拥有驾照、是否拥有公交/地铁IC卡、实际驾驶经验、职业、学历、个人月收入、家庭类型、家庭私家车拥有量、家庭平均月收入；其中，年龄范围为18-25岁，26-35岁，36-50岁，大于50岁；职业分5类：学生，全职工作，自由职业，无业或退休，兼职工作；学历分5类：高中及以下，大专，本科，硕士，硕士以上；个人平均月收入分为5个等级：3000元以下，3000-6000元，6000-1万元，1万-1.5万元，1.5万元以上；家庭平均月收入分为5个等级：5000元以下，5000-1万元，1-1.5万元，1.5万-2万元，2万元以上；家庭私家车拥有量分为3个等级：拥有量为0，拥有1辆，拥有2辆及以上。
收集出行行为属性数据：包括出行目的(如上班上学和休闲购物)和出行距离两类属性；出行距离分为短途出行(5km以下)，中远途出行(5-15km)，以及长途出行(15km以上)。收集出行方案属性数据：包括是否有座位、是否需要换乘、上车前的等待时间、至乘车点的步行距离、到达时间偏差、出行花费、行程时间；其中，换乘方案分为：不需要换乘，需换乘1次，需换乘2次；上车前的等待时间范围分为：5-10min；10-15min；10-15min；大于15min；至乘车点的步行距离：步行500-1km，步行1km以上；到达时间偏差分为：早到2分钟，早到5分钟，早到6分钟，早到8分钟，早到10分钟。
对收集得到的数据进行筛选处理，方法如下：
1)剔除调查问卷填写的时间少于一定值的数据；
2)剔除情景选择即意向出行方式始终相同的数据；
3)剔除个人收入、家庭收入和车辆拥有量不相符合的数据；
4)剔除常用交通方式、驾驶经验、车辆拥有量不相符合的数据。
问卷信度效度检验：在进行问卷数据分析前，对问卷采集数据进行信度与效度分析，利用克隆巴赫信度系数(Cronbachα)方法测量信度，α系数为0.719，则说明信度较高，问卷调查结果可用于后续研究。对问卷调查数据进行效度检验，得到KMO值为0.631，大于0.6，通过Bartlett球形检验，意味着数据具有效度。综上可得，基于问卷数据所得到的结论在数据上真实可靠，具有说服力。
(4)考虑定制公交的出行方式选择建模：在多项Logit模型中，如果自变量都是和决策者相关的属性，对应的多项Logit模型称之为Generalized Logit Model，如果自变量都是和方案相关的属性，则称为Conditional Logit Model。在考虑定制公交的出行方式选择建模过程中，居民相关属性和方案相关属性都会影响到决策过程，所以本发明使用结合了Generalized Logit Model和Conditional Logit Model的混合模型(Mixed Model)。
对影响意向出行方式的影响因素进行归纳，将个人因素和从出行方案属性因素表示为式(1)，影响因素对应的影响系数向量定义为式(2)，包含居民个人属性和出行方案属性的出行方式效用函数表示为式(3)，居民对于出行方式的选择概率由式(4)计算；
式(1)中Xij指影响居民i选择出行方式j的影响因素，
指居民i的第k个个人属性变量，
指的是出行方案j的第h个属性变量；式(2)中Bij指在出行方式j所对应的效用函数中，影响居民i选择出行方式j的影响因素的系数，其中
指的是居民i的第k个个人属性变量的变量系数，
指的是出行方案j的第h个属性变量的变量系数，ASCij指影响居民i选择出行方式j的常数项，与Xij中的1相对应；式(3)中Uij指的是居民i选择出行方式j所获得的效用；式(4)中Pij指居民i选择出行方式j的概率。
对问卷数据进行数据转换，包括哑元变量的处理，利用极大似然估计得到数据拟合结果，数据拟合度R2为0.321，属于0.3～0.6之间，说明拟合度较好，反映出影响因素选取的合理性。设在其他条件均不变的情况下，某影响因素变化x，该出行方式在影响因素变化前后所占的比例分别为p，p′，则p，p′的关系如式(5)。本发明中出行方式选择集中各出行方式显著影响因素中连续变量对应的x值如表1。且连续变量对不同出行方式的影响不同。哑元变量的变化对出行方式所占比例的影响同样遵循式(5)，区别在于当研究哑元变量的影响时，式中的p代表参考情况下该出行方式所占比例。
表1各出行方式影响显著的连续变量
表2各出行方式影响显著的哑元变量
上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。
Claims (3)
1.一种考虑定制公交的居民出行方式选择分析方法，其特征在于：包括以下步骤：
(1)出行方式选择集确定：根据定制公交的运营策略及其定价模式和服务乘客类型，选定出租车，常规公交和定制公交作为出行方案选择集中的出行方式选项；
(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；
(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；
(4)考虑定制公交的出行方式选择建模：自变量表示为式(1)，系数向量定义为式(2)，包含居民个人属性和出行方案属性的出行方式效用函数表示为式(3)，居民对于出行方式的选择概率由式(4)计算；
式(1)中Xij指影响居民i选择出行方式j的影响因素，
指居民i的第k个个人属性变量，
指的是出行方案j的第h个属性变量；式(2)中Bij指在出行方式j所对应的效用函数中，影响居民i选择出行方式j的影响因素的系数，其中
指的是居民i的第k个个人属性变量的变量系数，
指的是出行方案j的第h个属性变量的变量系数，ASCij指影响居民i选择出行方式j的常数项，与Xij中的1相对应；式(3)中Uij指的是居民i选择出行方式j所获得的效用；式(4)中Pij指居民i选择出行方式j的概率。
2.根据权利要求1所述的考虑定制公交的居民出行方式选择分析方法，其特征在于：所述步骤(3)收集居民个人属性数据：包括性别、年龄、是否拥有驾照、是否拥有公交/地铁IC卡、实际驾驶经验、职业、学历、个人月收入、家庭类型、家庭私家车拥有量、家庭平均月收入；收集出行行为属性数据：包括出行目的和出行距离两类属性；收集出行方案属性数据：包括是否有座位、是否需要换乘、上车前的等待时间、至乘车点的步行距离、到达时间偏差、出行花费、行程时间。
3.根据权利要求1或2所述的考虑定制公交的居民出行方式选择分析方法，其特征在于：所述步骤(3)对居民进行SP调查，采取正交设计的方法进行情境配置，对收集得到的数据进行筛选处理，方法如下：
1)剔除填写调查问卷的时间少于一定值的数据；
2)剔除情景选择即意向出行方式选择始终相同的数据；
3)剔除个人收入、家庭收入和车辆拥有量不相符合的数据；
4)剔除常用交通方式、驾驶经验、车辆拥有量不相符合的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011502864.5A CN112632374B (zh) | 2020-12-18 | 2020-12-18 | 一种考虑定制公交的居民出行方式选择分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011502864.5A CN112632374B (zh) | 2020-12-18 | 2020-12-18 | 一种考虑定制公交的居民出行方式选择分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112632374A true CN112632374A (zh) | 2021-04-09 |
| CN112632374B CN112632374B (zh) | 2024-04-05 |
Family
ID=75316923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011502864.5A Active CN112632374B (zh) | 2020-12-18 | 2020-12-18 | 一种考虑定制公交的居民出行方式选择分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112632374B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628527A (zh) * | 2023-07-24 | 2023-08-22 | 浙江大学 | 一种集成出行策略的设计方法及*** |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202895A (zh) * | 2016-07-02 | 2016-12-07 | 北京工业大学 | 基于感知重要度的交通出行意向行为数据分析方法 |
| US20190287185A1 (en) * | 2018-03-16 | 2019-09-19 | TWIP Corp. | Systems and Methods for Dynamically Generating a Customized Profile for a Person Based on a Travel-Related Behavior Pattern |
-
2020
- 2020-12-18 CN CN202011502864.5A patent/CN112632374B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202895A (zh) * | 2016-07-02 | 2016-12-07 | 北京工业大学 | 基于感知重要度的交通出行意向行为数据分析方法 |
| US20190287185A1 (en) * | 2018-03-16 | 2019-09-19 | TWIP Corp. | Systems and Methods for Dynamically Generating a Customized Profile for a Person Based on a Travel-Related Behavior Pattern |
Non-Patent Citations (2)
| Title |
|---|
| MAURICIO SILLANO 等: "Willingness-to-pay estimation with mixed logit models: some new evidence", ENVIRONMENT AND PLANNING, vol. 37, 31 December 2005 (2005-12-31), pages 525 - 550 * |
| 刘向 等: "基于Nested Logit的电动汽车分时租赁选择行为分析", 同济大学学报, vol. 47, no. 1, 31 January 2019 (2019-01-31), pages 47 - 55 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628527A (zh) * | 2023-07-24 | 2023-08-22 | 浙江大学 | 一种集成出行策略的设计方法及*** |
| CN116628527B (zh) * | 2023-07-24 | 2023-11-10 | 浙江大学 | 一种集成出行策略的设计方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112632374B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ashkrof et al. | Analysis of the effect of charging needs on battery electric vehicle drivers’ route choice behaviour: A case study in the Netherlands | |
| Kaddoura et al. | Towards welfare optimal operation of innovative mobility concepts: External cost pricing in a world of shared autonomous vehicles | |
| Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
| CN105160428A (zh) | 高速公路电动汽车快速充电站的规划方法 | |
| Li et al. | Improving service quality with the fuzzy TOPSIS method: a case study of the Beijing rail transit system | |
| CN107545730A (zh) | 一种基于公交ic卡数据的站点上下车乘客数估计方法 | |
| Kashani et al. | Comparing demand responsive and conventional public transport in a low demand context | |
| Hou et al. | A combined modal split and traffic assignment model with capacity constraints for siting remote park-and-ride facilities | |
| Kamel et al. | A modelling platform for optimizing time-dependent transit fares in large-scale multimodal networks | |
| Lee et al. | Optimal Automated Demand Responsive Feeder Transit Operation and Its Impact | |
| Feng et al. | Choices of intercity multimodal passenger travel modes | |
| Lu et al. | Demand-responsive transport for students in rural areas: A case study in vulkaneifel, germany | |
| CN112632374A (zh) | 一种考虑定制公交的居民出行方式选择分析方法 | |
| CN108898437A (zh) | 一种车联网环境下基于动态不确定需求的协同拼车费用分担方法 | |
| CN112488582A (zh) | 一种基于多源数据的地铁列车开行方案设计方法 | |
| Chen et al. | Customized bus line design model based on multi-source data | |
| CN116468219A (zh) | 一种枢纽站接驳出租车合乘调度匹配方法 | |
| CN115713184A (zh) | 一种公交线路运营服务评估方法 | |
| Ding et al. | Incorporating walking into ride-hailing: The potential benefits of flexible pick-up and drop-off | |
| CN113807669A (zh) | 一种城市道路交叉口客货分离***改造的方案评选方法 | |
| CN113268709A (zh) | 基于智能体仿真的城市电动汽车充电需求预测方法及*** | |
| Shen et al. | Strategic Charging Infrastructure Deployment for Electric Vehicles | |
| Parady et al. | Heterogeneous travel activity patterns in Japan: Accounting for inter-dependencies in mobility tool use | |
| Henke et al. | Mobility Habits Surveys: A Real Case Application for University Students in Italy | |
| Liu et al. | Optimizing fares and transfer discounts for a bus-subway corridor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |